Команды для умной колонки без интернета: нейросеть весом 1,5 МБ слышит вас офлайн

Яндекс в инженерном блоге на Хабре подробно описал, как устроена система быстрых команд для линейки Яндекс Станций. Команды вроде «дальше», «тише», «лайк» или «включи блютус» не требуют слова «Алиса» и распознаются локально, без серверов. Ниже разберём, какие команды доступны, как ими пользоваться и где найти полный список.

Что понадобится?

• Умная колонка Яндекс Станция любой модели (включая Станцию Мини и Станцию Стрит)
• Установленное приложение «Дом с Алисой» на смартфоне
• Аккаунт Яндекса, к которому привязана колонка
• Две минуты на настройку и проверку списка команд

Как найти и использовать быстрые команды?

1. Откройте приложение «Дом с Алисой» на телефоне.

2. Перейдите в настройки вашего аккаунта. Там находится полный список быстрых команд для умной колонки, которые распознаются без активационного слова.

3. Просмотрите доступные команды. Базовый набор включает управление музыкой и громкостью. Например:

«Дальше» — переключить трек
«Тише» — убавить громкость
«Громче» — прибавить громкость
«Лайк» — поставить лайк текущему треку
«Дизлайк» — поставить дизлайк
«Включи блютус» — активировать Bluetooth
«Выключи блютус» — отключить Bluetooth

1. Произносите команду без слова «Алиса». Просто скажите «дальше» или «тише» в сторону колонки. Нейросеть распознает фразу локально.

2. Убедитесь, что перед командой есть пауза хотя бы в две секунды тишины или фонового звука. Модель анализирует звуковой контекст до произнесения фразы, чтобы отличить команду от случайно сказанного слова в разговоре.

Почему быстрые команды работают без интернета?

За обычные запросы через «Алиса» отвечает облачная модель распознавания речи ASR (Automatic Speech Recognition, автоматическое распознавание речи). Она большая и требует серверных вычислений.

Быстрые команды обрабатывает другая нейросеть, компактная, весом от 0,5 до 1,5 мегабайта в зависимости от конкретного устройства. Она целиком помещается в оперативную память колонки и работает на её процессоре. Отсюда скорость и автономность.

Это особенно полезно для портативной Станции Стрит, которую берут на природу. Там нет Wi-Fi, но команды умной колонки для управления музыкой и Bluetooth продолжают работать.

Как Яндекс добавляет новые команды без поломки старых?

Инженерная задача, которую решала команда Яндекса, полезна для понимания ограничений. Нельзя просто переобучить нейросеть с нуля, смешав старые и новые данные: нет гарантий, что распознавание уже работающих команд не ухудшится. Это называется регрессия качества.

Яндекс использовал подход PEFT (Parameter-Efficient Fine-Tuning, дообучение с минимальным изменением параметров). Суть: к уже обученной модели добавляют небольшой «довесок» новых параметров, а старые веса замораживают. Старые команды продолжают распознаваться как раньше, новые учатся в добавленном блоке.

Обучение (дообучение) проходило в два этапа. Сначала модель тренировали на большом массиве необработанных голосовых логов. Затем дообучали на специально записанных данных: людей просили произносить нужные фразы перед колонкой в обычной квартире, чтобы получить естественное звучание и правильный звуковой контекст.

Откройте приложение «Дом с Алисой», загляните в список быстрых команд и попробуйте управлять колонкой без активационного слова. Разница в скорости отклика чувствуется с первого раза, а на портативной Станции Стрит эти команды становятся единственным способом управления, когда рядом нет Wi-Fi.